health

§ 01综述

Health 一词在当下语境中通常指数字健康（digital health），即利用人工智能、可穿戴设备和数据接口来监测、分析和管理个人或群体健康状态，处于从被动治疗向主动预防转变的关键阶段。近期，AI 与健康领域的交叉产生了多项突破，但也暴露出数据可靠性、模型幻觉等新问题。

近期进展

Google Health API 推出开源 CLI 工具 ghealth：该工具允许用户通过命令行直接访问 Fitbit 等设备数据，降低了个人健康数据获取门槛，有望推动健康数据分析民主化。详见 Google Health API 推出 CLI 工具 ghealth：开源访问 Fitbit 数据。

DeepMind 论文登上 Nature Health 封面：LLM 用于健康查询：该方法利用大语言模型回答医学问题，在准确性和可解释性上取得进展，但研究也指出需要警惕模型生成不实信息的风险。详见 DeepMind论文登上Nature Health封面：LLM用于健康查询。

Lattice Health 监控医院影像 AI，发现准确率下降即告警：该平台实时追踪部署在医院的影像诊断 AI 性能，一旦准确率异常便自动告警，为医疗 AI 的可信落地提供了工程化保障。详见 Lattice Health 监控医院部署的影像 AI，发现准确率下降即告警。

Waza 工具新增 /health 代码健康检查：虽是开发者工具，但其命名与健康监控理念一脉相承，反映了“健康”概念从人体向软件系统的延伸。详见 Waza 技能合集更新：支持 Codex、新增 /health 代码健康检查。

当前焦点与观察点

当前健康科技领域的焦点集中在两个方向：一是通过开放 API（如 Google Health API）和设备互联让个人掌握健康数据，二是用 AI 辅助医疗决策与监测。然而，争议点同样突出：AI 可能产生虚构信息（如谷歌健身助手捏造跑步记录并归责用户），LLM 在医疗文书生成中过度推理反而降低文档质量。这提示我们，Health 产业的智能化必须搭配严格的质量验证与监管机制，否则将面临信任危机。

§ 02相关报道10 条在档

§ 03邻近话题